自動運転車における安全で説明可能な制御の学習

抄録

近年の自動運転技術は，高度な判断と運転技術を要する場面においても適切な操作ができるようになり，高速道路などの限定された範囲内で運転操作の主導権をシステム側が担い始める段階にある。自動運転技術を市街地の環境に適用するにあたっては，緊急場面の対応が困難であるという課題が挙げられる。また，技術の運用にあたっては，信頼性の観点から回避行動の出力に至るまでの経緯説明が求められる。したがって，近年の自動運転への要請は，説明可能性の担保と緊急場面における回避性能の両立である。しかし，交通流における緊急場面は稀にしか生じないうえ，その状況は多岐にわたる。そこで本研究でははじめに，シミュレーション環境を用いて緊急場面を網羅的に生成する。そして，回避行動をバンディット問題として定式化したうえで，深層強化学習を用いて獲得する。次に行動出力の説明可能性を増強させるために，深層強化学習の回避行動から，サポートベクターマシーンを用いてニューラルネットワークを介さない行動出力を獲得する。計算機実験によって，どちらの手法においても適切に障害物を回避可能であることを示した。